PHP无法原生解析RTF，需通过正则剥离控制字、剔除字体/颜色表等冗余区块，并处理换行与十六进制字符；生产环境推荐pandoc、php-rtf库或COM调用Word。
PHP 本身不原生支持解析 RTF 文件，更不会自动过滤样式；但可以通过文本处理方式剥离 RTF 控制字（如 、i、 s24、{ onttbl...} 等），提取纯文本内容。关键不是“读取”，而是“解码 + 清洗”。
用正则初步剥离 RTF 控制指令
RTF 文件以 { tf1 开头，内部大量使用反斜杠 引导的控制字和分组花括号 { }。可先用简单正则移除常见格式指令：
- 去掉所有反斜杠开头的单词及可选参数（如 0、par、 ab）： preg_replace('/\\[a-zA-Z]+[0-9]*s?/', '', $rtf)
- 去掉花括号（但需注意嵌套，简单场景可用两轮清除）：str_replace(['{', '}'], '', $rtf)
- 清理多余空格与换行：preg_replace('/s+/', ' ', $rtf)
跳过字体表、颜色表等冗余区块
RTF 头部常含 { onttbl...}、{colortbl...}、{stylesheet...} 等大段定义内容，它们不含实际正文，应优先剔除：
- 用 preg_replace('/{\\fonttbl[^}]*}/', '', $rtf) 移除字体表
- 同理处理颜色表：preg_replace('/{\\colortbl[^}]*}/', '', $rtf)
- 匹配并删除整个样式区块（注意非贪婪）：preg_replace('/{\\stylesheet[^}]*}/', '', $rtf)
保留基础结构换行与段落
完全去样式后可能丢失可读性。建议保留语义性控制符，提升结果可读：
立即学习“PHP免费学习笔记（深入）”；
- 将 par 替换为 表示段落分隔
- 把 line 或 lbr 换成单换行
- 遇到 'xx（十六进制字符，如 'e9 表示 é），需用 hex2bin() 转义还原（先提取 xx，再 chr(hexdec($xx))）
更稳方案：调用外部工具或专用库
纯正则易漏边缘情况（如嵌套花括号、引号转义、Unicode 支持弱）。生产环境推荐：
- 调用系统命令：pandoc -f rtf -t plain（需安装 pandoc）
- 使用 PHP 封装库：php-rtf（GitHub 可搜，轻量但维护一般）或 rtf-html-php（先转 HTML 再用 DOMDocument 提纯文本）
- Windows 服务器可 COM 调用 Word：new COM('Word.Application') 打开 → 导出为 txt → 读取（仅限 Windows）
